Use este identificador para citar ou linkar para este item: http://repositorio.ufla.br/jspui/handle/1/30185
Título : Comparação de desempenho entre máquina de vetor de suporte e comitê de redes neurais artificiais para classificação de spam
Autor: Silva, André Hermenegildo Costa
Lacerda, Wilian Soares
Silva, Bruno de Abreu
Palavras-chave: Spam
Redes neurais
Support vector machine (SVM)
Publicador: Sociedade Brasileira de Computação
Data da publicação: 2017
Referência: SILVA, A. H. C.; LACERDA, W. S.; SILVA, B. de A. Comparação de desempenho entre máquina de vetor de suporte e comitê de redes neurais artificiais para classificação de spam. Revista Eletrônica de Iniciação Científica em Computação, Porto Alegre, v. 15, n. 1, 2017.
Resumo : O e-mail é uma das mais populares formas de comunicação. Porém, não é raro encontrar mensagens indesejadas nas caixas de entrada do correio eletrônico. Estas mensagens são conhecidas como spams. Em um contexto onde uma quantidade cada vez maior de mensagens são enviadas e recebidas por todo mundo, técnicas para filtrar automaticamente estas mensagens consideradas como spams são de grande importância. O objetivo deste artigo é apresentar dois classificadores para filtrar mensagens de e-mail indesejadas, isto é, identificar se determinado e-mail é ou não é um spam. Foram utilizadas duas técnicas de aprendizado de máquina: Máquina de Vetor de Suporte (SVM, do inglês SupportVectorMachine) e Rede Neural Artificial (RNA). Para o segundo classificador, utilizou-se 5 (cinco) RNAs do tipo MultilayerPerceptron (MLP) com o algoritmo de aprendizagem ResilientPropagation - Rprop (variação do Backpropagation), com arquiteturas (camadas) e configurações (taxa de aprendizado e número de épocas) distintas, formando um comitê de redes. Os dois classificadores apresentaram taxas médias de acerto de 91,3\% e 93,6\%, respectivamente. Percebeu-se que a técnica de aprendizado SVM apresentou resultados superiores quando comparada a uma única RNA específica (dependendo da arquitetura), porém mostrou-se inferior quanto ao desempenho de um comitê de RNA. Além disso, SVM se mostrou mais rápida na realização do treinamento do que as RNAs.
Abstract: The e-mail is one of the most popular communication tool. However, it is not uncommon to find undesired messages in our electronic mail boxes. These messages are known as spams. In a context where more and more messages are sent and received over the world, computational techniques to filter spams have increasingly importance. This paper aims to present two classifiers to filter e-mail messages, which is to identify whether a particular email is spam or not. It was used two machine learning techniques: Support Vector Machine (SVM) and Artificial Neural Network (ANN). For the ANN classifier, we used five different ANNs with Resilient Propagation (Rprop) learning algorithm (Backpropagation variation) and distinct architectures (layers) and settings (learning rate and number of iterations), forming a committee of networks. The two classifiers showed average rates of accuracy of 91.3% and 93.6% respectively. The SVM showed superior results compared to a single specific ANN (depending on architecture), but it was lower in the performance of a committee of ANNs. Furthermore, SVM is faster in training than the committee of ANN.
URI: http://seer.ufrgs.br/index.php/reic/article/view/80235
http://repositorio.ufla.br/jspui/handle/1/30185
Idioma: pt_BR
Aparece nas coleções:DCC - Artigos publicados em periódicos

Arquivos associados a este item:
Não existem arquivos associados a este item.


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.